Uzależnienie od Internetu: style radzenia sobie ze stresem, oczekiwania i konsekwencje leczenia (2014)

Matthias Brand^{1,2 *}, Christian Laier¹ i Kimberly S. Young³

• ¹Katedra Psychologii Ogólnej: Poznanie, Uniwersytet w Duisburg-Essen, Duisburg, Niemcy
• ²Erwin L. Hahn Institute for Magnetic Resonance Imaging, Essen, Niemcy
• ³Centrum uzależnienia od Internetu, Russell J. Jandoli Szkoła dziennikarstwa i komunikacji masowej, St. Bonaventure University, Olean, NY, USA

Uzależnienie od Internetu (IA) stało się poważnym stanem zdrowia psychicznego w wielu krajach. Aby lepiej zrozumieć kliniczne implikacje IA, badanie to przetestowało statystycznie nowy model teoretyczny ilustrujący podstawowe mechanizmy poznawcze przyczyniające się do rozwoju i utrzymania zaburzenia. Model rozróżnia uogólnione uzależnienie od Internetu (GIA) i konkretne formy. W tym badaniu przetestowano model GIA na populacji ogólnych użytkowników Internetu. Odkrycia użytkowników 1019 pokazują, że hipotetyczny model równania strukturalnego wyjaśnił 63.5% zmienności objawów GIA, mierzonej krótką wersją Internetowego testu uzależnienia. Za pomocą testów psychologicznych i osobowościowych wyniki pokazują, że specyficzne poznania danej osoby (słabe radzenie sobie i oczekiwania poznawcze) zwiększały ryzyko GIA. Te dwa czynniki pośredniczyły w objawach GIA, jeśli obecne były inne czynniki ryzyka, takie jak depresja, lęk społeczny, niska samoocena, niska samoocena i wysoka podatność na stres, aby wymienić kilka obszarów, które zostały zmierzone w badaniu. Model pokazuje, że osoby z wysokimi umiejętnościami radzenia sobie i brakiem oczekiwań, że Internet może być wykorzystany do zwiększenia pozytywnego lub zmniejszenia negatywnego nastroju, rzadziej angażują się w problematyczne korzystanie z Internetu, nawet gdy występują inne osobowości lub słabości psychologiczne. Implikacje dla leczenia obejmują wyraźny komponent poznawczy dla rozwoju GIA oraz potrzebę oceny stylu radzenia sobie pacjenta i poznania oraz poprawy błędnego myślenia w celu zmniejszenia objawów i zaangażowania się w regenerację.

Wprowadzenie

W wielu badaniach stwierdzono problematyczne korzystanie z Internetu i pokazuje, że utrzymujące się negatywne konsekwencje, takie jak utrata pracy, niepowodzenie akademickie i rozwód, wynikały z nadmiernego korzystania z Internetu (w przypadku recenzji patrz Griffiths, 2000a,b; Chou i in., 2005; Widyanto i Griffiths, 2006; Byun i in., 2009; Weinstein i Lejoyeux, 2010; Lortie i Guitton, 2013). Znaczenie kliniczne tego zjawiska zyskuje na znaczeniu na tle wysokich szacowanych częstości występowania, od 1.5 do 8.2% (Weinstein i Lejoyeux, 2010) lub nawet do 26.7%, w zależności od używanych skal i zastosowanych kryteriów (Kuss i in., 2014).

Chociaż pierwszy opis tego problemu klinicznego jest prawie 20 lata temu (Young, 1996), klasyfikacja jest nadal dyskutowana kontrowersyjnie iw związku z tym w literaturze naukowej używa się kilku terminów, od „kompulsywnego korzystania z Internetu” (Meerkerk i in., 2006, 2009, 2010), „Problemy związane z Internetem” (Widyanto i in., 2008), „Problematyczne korzystanie z Internetu” (Caplan, 2002), „Patologiczne korzystanie z Internetu” (Davis, 2001) do „uzależniających zachowań związanych z Internetem” (Brenner, 1997), żeby wymienić tylko kilka. Jednak w ostatnich latach 10 większość badaczy w tej dziedzinie użyła terminu „uzależnienie od Internetu” lub „zaburzenie uzależnienia od Internetu” (np. Johansson i Götestam, 2004; Blokuj, 2008; Byun i in., 2009; Dong i wsp., 2010, 2011, 2013; Kim i wsp., 2011; Purty i in., 2011; Young, 2011b, 2013; Young i wsp., 2011; Zhou i wsp., 2011; Cash i in., 2012; Hou i in., 2012; Hong i wsp., 2013a,b; Kardefelt-Winther, 2014; Pontes i in., 2014; Tonioni i in., 2014). Preferujemy również określenie „uzależnienie od Internetu (IA)”, ponieważ ostatnie artykuły (patrz dyskusja w Brand i wsp., 2014) podkreślają podobieństwa między nadużywaniem Internetu a innymi uzależniającymi zachowaniami (np. Grant i in., 2013) a także uzależnienie od substancji (patrz także Young, 2004; Griffiths, 2005; Meerkerk i in., 2009). Argumentowano, że mechanizmy związane z rozwojem i utrzymaniem uzależnienia od substancji można przenieść na uzależniające wykorzystanie aplikacji internetowych (a także innych uzależnień behawioralnych), na przykład teorię uzależnienia od zachęt motywacyjnych i pokrewnych pojęć (np. Robinson i Berridge, 2000, 2001, 2008; Berridge i wsp., 2009). To dobrze pasuje również do modelu komponentowego w uzależniających zachowaniach (Griffiths, 2005).

Przeprowadzono wiele badań nad psychologicznymi korelatami IA, ale zostało to zrobione - przynajmniej w większości przypadków - bez rozróżnienia między uogólnionym uzależnieniem od Internetu (GIA) a konkretnym uzależnieniem od Internetu (SIA; Morahan-Martin i Schumacher, 2000; Leung, 2004; Ebeling-Witte i in., 2007; Lu, 2008; Kim i Davis, 2009; Billieux i Van der Linden, 2012), chociaż mechanizmy psychologiczne mogą być różne, także dla różnych grup wiekowych lub zastosowanych aplikacji (Lopez-Fernandez i in., 2014). Nasze badanie analizuje wpływ mediacji stylów radzenia sobie i oczekiwań poznawczych na korzystanie z Internetu w rozwoju i utrzymaniu GIA, aby przyczynić się do lepszego zrozumienia mechanizmów leżących u podstaw i potencjalnych implikacji dla diagnostyki i leczenia.

Na poziomie teoretycznym postulowano już, że IA musi być zróżnicowana w odniesieniu do ogólnego wykorzystania Internetu (Griffiths and Wood, 2000) w porównaniu z określonymi rodzajami IA, takimi jak cyberseksualność, relacje online, przymusy sieciowe (np. hazard, zakupy), wyszukiwanie informacji i gry online w celu rozwinięcia uzależnienia od Internetu (np. Young i wsp., 1999; Meerkerk i in., 2006; Blokuj, 2008; Brand i wsp., 2011). Jednak tylko jeden podtyp, Internet Gaming Disorder, został dołączony do dodatku DSM-5 (APA, 2013). Większość badań oceniała IA jako ujednoliconą konstrukcję lub oceniała tylko jeden konkretny podtyp (w większości przypadków gry internetowe). W swoim modelu poznawczo-behawioralnym Davis (2001) rozróżnia się także uogólnione patologiczne korzystanie z Internetu (GIA) i specyficzne patologiczne korzystanie z Internetu (SIA). GIA została opisana jako wielowymiarowe nadużywanie Internetu, któremu często towarzyszy marnotrawstwo czasu i nieukierunkowane korzystanie z Internetu. Społeczne aspekty Internetu (np. Komunikacja społeczna za pośrednictwem portali społecznościowych) są szczególnie wykorzystywane (patrz także dyskusja w Lortie i Guitton, 2013), która ma być powiązana z brakiem wsparcia społecznego i deficytów społecznych doświadczanych przez jednostkę w sytuacjach nie wirtualnych. Ponadto argumentowano, że badani mogą nadmiernie korzystać z kilku różnych aplikacji internetowych bez posiadania jednego ulubionego, na przykład gry, oglądania pornografii, przeglądania informacji i / lub witryn handlowych, publikowania autoportretów, oglądania filmów na platformach wideo, czytania blogów innych i tak dalej. W tym przypadku można argumentować, że osoba jest uzależniona od Internetu i nie jest uzależniona od Internetu (ale patrz także dyskusja w Starcevic, 2013). Davis twierdzi, że jedną z głównych różnic między GIA a SIA jest to, że osoby cierpiące na GIA nie rozwinęłyby podobnego problematycznego zachowania bez Internetu, podczas gdy osoby cierpiące na SIA rozwinęłyby podobne problematyczne zachowanie w innym otoczeniu. W obu formach uzależniającego korzystania z Internetu, GIA i SIA, sugeruje się, że dysfunkcyjne poznania o sobie i świecie odgrywają fundamentalną rolę (Caplan, 2002, 2005).

Badania dotyczące GIA wykazały, że subiektywne skargi w życiu codziennym wynikające z korzystania z Internetu są skorelowane z różnymi cechami osobowości. W rzeczywistości wykazano, że GIA wiąże się z chorobami psychopatologicznymi, takimi jak zaburzenia afektywne lub lękowe (Whang i in., 2003; Yang i in., 2005; Weinstein i Lejoyeux, 2010) jak również nieśmiałość cech osobowości, neurotyczność, podatność na stres, tendencje do zwlekania i niska samoocena (Niemz i in., 2005; Ebeling-Witte i in., 2007; Hardie i Tee, 2007; Thatcher i in., 2008; Kim i Davis, 2009). Również czynniki kontekstu społecznego, np. Brak wsparcia społecznego lub izolacji społecznej (Morahan-Martin i Schumacher, 2003; Caplan, 2007), a nawet samotność w środowisku edukacyjnym u młodzieży (Pontes i in., 2014), wydają się być związane z GIA. Ponadto argumentowano, że korzystanie z Internetu jako narzędzia radzenia sobie z problematycznymi lub stresującymi wydarzeniami życiowymi przyczynia się do rozwoju GIA (Whang i in., 2003; Tang i in., 2014). Osoby z IA wykazują również wysoką tendencję do impulsywnej strategii radzenia sobie (Tonioni i in., 2014). Niektórzy autorzy nawet konceptualizują IA jako rodzaj radzenia sobie z codziennym życiem lub codziennymi kłopotami (Kardefelt-Winther, 2014). Nadal są tylko pierwsze badania, w których wyraźnie porównano predyktory różnych typów SIA. Pawlikowski i in. (2014) poinformował, że nieśmiałość i zadowolenie z życia są związane z uzależniającym korzystaniem z gier internetowych, ale nie z patologicznym wykorzystaniem cyberseksu lub z wykorzystaniem gier i cyberseksu.

Na podstawie wcześniejszych badań, w szczególności na temat argumentów autorstwa Davis (2001), a także biorąc pod uwagę aktualną literaturę na temat wyników neuropsychologicznych i neuroobrazowania u osób uzależnionych w Internecie, niedawno opublikowaliśmy teoretyczny model rozwoju i utrzymania GIA i SIA (Brand i wsp., 2014). Niektóre aspekty zawarte w modelu zostały już wspomniane w kontekście korzystania z portali społecznościowych, na przykład oczekiwanych pozytywnych wyników (Turel i Serenko, 2012). Wykazano również, że nadmierne lub uzależniające korzystanie z aukcji internetowych jest skorelowane ze zmianami w przekonaniach poszczególnych osób na temat tej techniki, co determinuje przyszłe wykorzystanie i zamiary użytkowania (Turel i in., 2011). Jest to zgodne z naszym teoretycznym modelem GIA, w którym zakładamy, że przekonania lub oczekiwania dotyczące tego, co Internet może zrobić dla osoby, wpływają na zachowanie, tj. Korzystanie z Internetu, co z kolei wpływa również na przyszłe oczekiwania. Jednak w naszym modelu skupiliśmy się na pośredniczącej roli oczekiwań i strategii radzenia sobie w opracowywaniu i utrzymywaniu GIA oraz określonych rodzajów SIA.

W celu opracowania i utrzymania GIA twierdzimy, że użytkownik ma pewne potrzeby i cele, które można osiągnąć za pomocą niektórych aplikacji internetowych. Opierając się na wcześniejszych badaniach, włączyliśmy kilka z tych odkryć, aby opracować kompleksowy model łączenia tych elementów. Początkowo podstawowe cechy danej osoby są związane z IA i obejmują aspekty psychopatologiczne, aspekty osobowości i poznania społeczne. W pierwszej części uwzględniliśmy objawy psychopatologiczne, w szczególności depresję i lęk społeczny (np. Whang i in., 2003; Yang i in., 2005), dysfunkcjonalne aspekty osobowości, takie jak niska skuteczność, nieśmiałość, podatność na stres i tendencje do zwlekania (Whang i in., 2003; Chak and Leung, 2004; Caplan, 2007; Ebeling-Witte i in., 2007; Hardie i Tee, 2007; Thatcher i in., 2008; Kim i Davis, 2009; Pontes i in., 2014) oraz izolacji społecznej / braku wsparcia społecznego (Morahan-Martin i Schumacher, 2003; Caplan, 2005) w rozwoju GIA. Zasugerowaliśmy jednak, że wpływ podstawowych cech i poznań tych osób na rozwój uzależniającego korzystania z Internetu powinien być uzależniony od pewnych poznań związanych z Internetem, w szczególności oczekiwań dotyczących korzystania z Internetu (Turel i in., 2011; Xu i in., 2012; Lee i wsp., 2014) oraz pewne strategie radzenia sobie z codziennymi wymaganiami lub codziennymi kłopotami (Tang i in., 2014; Tonioni i in., 2014). W trzeciej części modelu, jako konsekwentne zachowanie, jeśli użytkownik przechodzi do trybu online i otrzymuje wzmocnienie w zakresie dysfunkcyjnego radzenia sobie z problemami lub negatywnym nastrojem i osoba oczekuje, że korzystanie z Internetu odwróci ich uwagę od problemów lub negatywnych uczuć, tym bardziej najprawdopodobniej zwrócą się do Internetu, aby uciec od uczuć, których dowodem jest utrata kontroli, złe zarządzanie czasem, pragnienia i zwiększone problemy społeczne. Rola procesów wzmacniania i kondycjonowania została dobrze opisana w literaturze dotyczącej rozwoju i utrzymania zaburzeń związanych z substancjami (np. Robinson i Berridge, 2001, 2008; Kalivas i Volkow, 2005; Everitt i Robbins, 2006). Argumentowaliśmy również, że pozytywne i negatywne wzmocnienie stylu radzenia sobie i oczekiwania dotyczące korzystania z Internetu skutkują sukcesywnie utratą kontroli poznawczej nad korzystaniem z Internetu, w której pośredniczy funkcjonowanie przedczołowe (wykonawcze) (Brand i wsp., 2014).

Chociaż ten model dobrze pasuje do poprzedniej literatury dotyczącej kluczowych ustaleń w odniesieniu do mechanizmów psychologicznych stojących za IA (patrz przeglądy w Kuss i Griffiths, 2011a,b; Griffiths, 2012), a także z najnowszymi korelatami neuropsychologicznymi i neuroobrazowymi GIA i różnych typów SIA (Kuss i Griffiths, 2012; Brand i wsp., 2014) model ten nadal potrzebuje dowodów empirycznych w zakresie przyrostowej ważności. W tym badaniu staraliśmy się przełożyć hipotezy podsumowane w modelu teoretycznym na GIA przedstawione powyżej na model statystyczny na poziomie zmiennych ukrytych i przetestowaliśmy wpływ predyktorów i mediatorów na nasilenie objawów GIA, wykorzystując populację Internetu na dużą skalę. Korzystając ze zwalidowanych miar psychologicznych i osobowości, najpierw oceniliśmy podstawowe cechy osób w przewidywaniu nadmiernego i uzależniającego korzystania z Internetu w sposób ogólny. Korzystając z zatwierdzonej miary radzenia sobie i nowo opracowanej miary oczekiwań w zakresie korzystania z Internetu, przetestowaliśmy, czy słabe umiejętności radzenia sobie i oczekiwania związane z korzystaniem z Internetu (takie jak korzystanie z Internetu w celu uniknięcia negatywnych uczuć lub nieprzyjemnych sytuacji) pośredniczą w związku między podstawowymi cechami osoby a objawami GIA.

Materiały i Metody

Model operacyjny

Najpierw przetłumaczyliśmy model teoretyczny opisany we wstępie i zilustrowany w artykule przez Brand i in. (2014) w testowalny i zoperacjonalizowany model statystyczny. Dla każdego z wymiarów wymienionych w modelu teoretycznym wybraliśmy co najmniej dwie zmienne manifestujące, aby zbudować model równania strukturalnego (SEM) na poziomie ukrytym. Dla każdej zmiennej używaliśmy następnie określonej skali (każda składająca się z kilku pozycji, patrz opis instrumentów poniżej), aby operacjonalizować zmienne manifestu. Ten zoperacjonalizowany model jako SEM na poziomie ukrytym pokazano na rysunku 1.

 

RYSUNEK 1. Model operacyjny, w tym główne założenia modelu teoretycznego na GIA, w wymiarze ukrytym.

Tematy

Korzystając z kompleksowej ankiety online, mieliśmy respondentów 1148. Po wykluczeniu uczestników 129 z powodu niekompletnych danych w skalach psychometrycznych, ostateczna próba składała się z N = 1019. Uczestnicy byli rekrutowani przez reklamy, platformy internetowe (konto Facebook zespołu General Psychology: Cognition), listy e-mailowe dla studentów Uniwersytetu w Duisburg-Essen oraz przez ulotki w lokalnych pubach i barach, a także przez słowa zalecenia ustne. Reklamy, e-maile i ulotki zawierały oświadczenie, że uczestnicy mogą wziąć udział w wyścigu mającym szansę na wygranie jednego z następujących przedmiotów: (1) iPad, (2) iPad mini, (3) iPod nano, (4 ) Karty podarunkowe iPod shu Amazon e, 20 Amazon (każda w euro 50). Badanie zostało zatwierdzone przez lokalną komisję etyczną.

Średni wiek końcowej próby wyniósł 25.61 lat (SD = 7.37). W próbie znalazło się 625 (61.33%) kobiet i 385 (37.78%) mężczyzn (dziewięciu ochotników nie odpowiedziało na to pytanie). Jeśli chodzi o sytuację życiową, 577 uczestników (56.62%) żyło w związku lub pozostawało w związku małżeńskim, a 410 (40.24%) wskazało na brak aktualnego związku (32 osoby nie odpowiedziały na to pytanie). W momencie oceny 687 uczestników (67.42%) było studentami, 332 uczestników (32.58%) miało stałą pracę (z naszym bez wykształcenia akademickiego). Z całej próby 116 uczestników (11.4%) spełniało kryteria problematycznego korzystania z Internetu [wartość graniczna> 30 w krótkim teście uzależnienia od Internetu (s-IAT), zob. Opis instrumentu poniżej], a 38 uczestników (3.7%) patologiczne korzystanie z Internetu (> 37 w s-IAT). Średni czas spędzony w Internecie wynosił 972.36 min / tydzień (SD = 920.37). Z całej próby 975 osób korzystało z portali społecznościowych / witryn komunikacyjnych (M_{min / tydzień} = 444.47, SD = 659.05), użytkownicy 998 (97.94%) szukali informacji w Internecie (M_{min / tydzień} = 410.03, SD = 626.26), osoby 988 (96.96%) korzystały z witryn handlowych (M_{min / tydzień} = 67.77, SD = 194.29), gry online były używane przez uczestników 557 (54.66%, M_{min / tydzień} = 159.61, SD = 373.65), hazard online został wykonany przez uczestników 161 (15.80%, M_{min / tydzień} = 37.09, SD = 141.70), a cyberseks był używany przez osoby 485 (47.60%, M_{min / tydzień} = 66.46, SD = 108.28). Jeśli chodzi o korzystanie z wielu aplikacji internetowych, uczestnicy 995 (97.64%) zgłaszali regularne korzystanie z trzech lub więcej aplikacji internetowych wymienionych powyżej.

instrumenty

Krótki test uzależnienia od Internetu (s-IAT)

Objawy IA oceniano za pomocą niemieckiej krótkiej wersji Internetowego testu uzależnienia (Pawlikowski i in., 2013), która opiera się na oryginalnej wersji opracowanej przez Młody (1998). W wersji skróconej (s-IAT) na 12 pozycji trzeba odpowiedzieć na pięciostopniowej skali od 1 (= nigdy) do 5 (= bardzo często), co daje sumę punktów od 12 do 60, podczas gdy wyniki> 30 wskazuje na problematyczne korzystanie z Internetu, a wynik> 37 wskazuje na patologiczne korzystanie z Internetu (Pawlikowski i in., 2013). S-IAT składa się z dwóch czynników: utraty kontroli / zarządzania czasem i głodu / problemów społecznych (każdy ma sześć elementów). Chociaż elementy 12 ładują dwa czynniki zarówno w eksploracyjnej, jak i potwierdzającej analizie czynnikowej (CFA; Pawlikowski i in., 2013), przechwytują kluczowe objawy IA, jak na przykład opisano w modelu komponentów przez (Griffiths, 2005). Pierwsza podskala „utrata kontroli / zarządzanie czasem” ocenia, jak silna jest osoba cierpiąca z powodu problemów związanych z zarządzaniem czasem w życiu codziennym z powodu korzystania z Internetu (np. „Jak często zaniedbujesz prace domowe, aby spędzać więcej czasu w Internecie?” I „Jak często tracisz sen z powodu późnej nocy w Internecie?”). Elementy tej podskali oceniają również negatywne konsekwencje nadmiernej eksploatacji Internetu (np. „Jak często cierpią twoje stopnie lub praca szkolna z powodu ilości czasu spędzanego online?”). Jest on również mierzony, jeśli badani doświadczają utraty kontroli nad korzystaniem z Internetu i jeśli próbowali ograniczyć korzystanie z Internetu i zawiedli (np. „Jak często uważasz, że jesteś dłużej online niż zamierzałeś?” I „Jak często czy starasz się ograniczyć czas spędzany online i nie? ”. Wszystkie przedmioty nie mierzą czasu spędzonego w Internecie, ale czy osoby doświadczają utraty kontroli nad korzystaniem z Internetu i problemów w życiu codziennym w wyniku korzystania z Internetu. Druga podskala „pragnienie / problemy społeczne” mierzy skutki nadmiernego korzystania z Internetu w interakcjach społecznych i zaabsorbowaniu medium (np. „Jak często czujesz się zaabsorbowany Internetem, gdy jesteś świadkiem lub fantazjujesz o byciu online?”). Elementy tej podskali oceniają również problemy międzyludzkie (np. Jak często pstrykasz, krzyczysz lub denerwujesz się, gdy ktoś ci przeszkadza, gdy jesteś online?)) I regulacja nastroju (np. „Jak często czujesz się przygnębiony, nastrojowy lub zdenerwowany, gdy jesteś nieobecny, który odchodzi po powrocie do trybu online?). Wszystkie elementy zawierają terminy „Internet” lub „online” w ogóle, bez koncentrowania się na określonej aplikacji. W instrukcji uczestnicy zostali poinformowani, że wszystkie pytania dotyczą ich ogólnego korzystania z Internetu, w tym wszystkich używanych aplikacji.

S-IAT ma dobre właściwości psychometryczne i trafność (Pawlikowski i in., 2013). W naszej próbie wewnętrzna spójność (α Cronbacha) wynosiła 0.856 dla całej skali, 0.819 - czynnik utraty kontroli / zarządzania czasem, a 0.751 - czynnik pragnienia / problemy społeczne.

Krótka lista objawów - depresja podskali

Objawy depresji oceniono za pomocą wersji niemieckiej (Franke, 2000) podskali depresji Inwentarza Krótkiego Objawu (Boulet i Boss, 1991; Derogatis, 1993). Skala składa się z sześciu elementów oceniających objawy depresyjne w ostatnich dniach 7. Odpowiedzi muszą być podane w pięciopunktowej skali od 0 (= wcale) do 4 (= bardzo). Spójność wewnętrzna (α Cronbacha) w naszej próbce to 0.858.

Krótka lista objawów - subskalująca wrażliwość interpersonalna

Objawy lęku społecznego i wrażliwości interpersonalnej oceniano w wersji niemieckiej (Franke, 2000) podskali wrażliwości międzyludzkiej Inwentaryzacji Krótkiego Objawu (Boulet i Boss, 1991; Derogatis, 1993). Skala składa się z czterech elementów, a odpowiedzi muszą być podane w pięciopunktowej skali od 0 (= wcale) do 4 (= skrajnie). Spójność wewnętrzna (α Cronbacha) w naszej próbce to 0.797.

Skala samooceny

Samoocena została oceniona przez Skalę Samooceny (Rosenberg, 1965). Użyliśmy tutaj zmodyfikowanej wersji niemieckiej (Collani i Herzberg, 2003), który składa się z dziesięciu elementów. Odpowiedzi muszą być podane w czteropunktowej skali od 0 (= zdecydowanie się nie zgadzam) do 3 (= zdecydowanie się zgadzam). Spójność wewnętrzna (α Cronbacha) w naszej próbce to 0.896.

Skala samowystarczalności

Samoocena została oceniona przez Skalę Samo-Skuteczności (Schwarzer and Jerusalem, 1995), który składa się z elementów 10. Odpowiedzi muszą być podane w czteropunktowej skali od 1 (= nie prawda) do 4 (= dokładnie prawda). Spójność wewnętrzna (α Cronbacha) w naszej próbce to 0.863.

Trewirski spis przewlekłego stresu

Wrażliwość na stres została zmierzona za pomocą wersji przesiewowej Inwentaryzacji Stresu Triera (TICS; Schulz i in., 2004). Pokaz zawiera elementy 12 o ekspozycji na stres w ostatnich miesiącach 3. Na każde stwierdzenie należy odpowiedzieć w pięciopunktowej skali od 0 (= nigdy) do 4 (= bardzo często). Spójność wewnętrzna (α Cronbacha) w naszej próbce to 0.908.

Skala samotności

Krótka wersja Skali Samotności (De Jong Gierveld i Van Tilburg, 2006) został użyty do pomiaru uczuć samotności (podskala emocjonalna samotność, trzy elementy) i postrzeganego wsparcia społecznego (podskala wsparcia społecznego, trzy pozycje). Na wszystkie stwierdzenia należy odpowiedzieć w pięciopunktowej skali od 1 (= nie!) Do 5 (= tak!). Spójność wewnętrzna (α Cronbacha) w naszej próbce to 0.765 dla podskali emocjonalnej samotności i 0.867 dla podskali wsparcia społecznego.

Krótka COPE

Krótkie COPE (Carver, 1997) mierzy styl radzenia sobie w kilku różnych poddomenach. Użyliśmy tutaj trzech podskal wersji niemieckiej (Knoll i in., 2005): zaprzeczanie, używanie substancji i wycofywanie się z zachowań. Każda podskala była reprezentowana przez dwa elementy, na które trzeba było odpowiedzieć w czteropunktowej skali od 1 (= W ogóle tego nie robiłem) do 4 (= Robiłem to dużo). Spójność wewnętrzna (α Cronbacha) w naszej próbce to 0.561 dla zaprzeczenia podskali, 0.901 dla użycia podskali i 0.517 dla podskali behawioralnej. Biorąc pod uwagę, że skale składają się tylko z dwóch elementów i biorąc pod uwagę, że instrument został użyty w kilku badaniach walidacyjnych, w tym w raportach dotyczących wiarygodności powtórnego testu, uznajemy wiarygodność za dopuszczalną.

Skala korzystania z Internetu

Aby ocenić oczekiwania dotyczące korzystania z Internetu, opracowaliśmy nową skalę składającą się - w pierwszej wersji - z elementów 16. Pozycje odzwierciedlają niektóre podstawowe czynniki motywujące, na przykład zgłoszone przez Xu i in. (2012) a także przez Yee (2006). Elementy zostały przypisane apriorycznie do dwóch skal (każda z ośmioma pozycjami): oczekiwania dotyczące korzystania z Internetu odzwierciedlające pozytywne wzmocnienie (np. „Używam Internetu do przeżywania przyjemności”) oraz te odzwierciedlające negatywne wzmocnienie (np. „Używam Internetu do odwracania uwagi od problemów”). Wszystkie odpowiedzi podano w sześciopunktowej skali od 1 (= całkowicie nie zgadzam się) do 6 (= całkowicie się zgadzam). Na podstawie danych zebranych w tym badaniu (N = 1019), przeprowadziliśmy eksploracyjną analizę czynnikową (EFA). Horn's (1965) analiza równoległa i test minimalnej średniej częściowej (MAP) (Velicer, 1976) zostały użyte do określenia odpowiedniej liczby czynników. W wyniku tej procedury uzyskano stabilne rozwiązanie dwuczynnikowe. Następnie przeprowadzono EFA z analizą głównych składowych i rotacją varimax, aby ocenić strukturę skali wykorzystania Internetu (IUES). Wyniki EFA zakończone ostateczną wersją IUES 8 z pozostałą strukturą dwuskładnikową (Tabela 1). Przy tych dwóch czynnikach zaobserwowaliśmy wyjaśnienie wariancji na poziomie 63.41%. Pierwszy czynnik zawiera cztery pozycje z wysokim ładunkiem dla głównego czynnika (> 0.50) i niskim ładunkiem dla drugiego czynnika (<0.20) i odnosi się do pozytywnych oczekiwań, więc nazwaliśmy ten czynnik „pozytywnymi oczekiwaniami”. Drugi czynnik składa się z czterech pozycji z wysokim ładunkiem dla głównego czynnika (> 0.50) i niskim ładunkiem dla drugiego czynnika (<0.20) oraz wszystkich pozycji związanych z korzystaniem z Internetu w celu uniknięcia lub ograniczenia negatywnych uczuć lub myśli, więc nazwaliśmy to czynnik „oczekiwania związane z unikaniem”. Obydwa czynniki mają dobrą rzetelność („pozytywne oczekiwania”: α Cronbacha = 0.832 i „oczekiwania unikania” α Cronbacha = 0.756). Te dwa czynniki były istotnie skorelowane (r = 0.496, p <0.001) z umiarkowanym skutkiem (Cohen, 1988).

 

TABELA 1. Ładunki czynnikowe i wiarygodności dwóch czynników IUES, środków ocenianych pozycji i numerów pozycji.

Aby zapewnić strukturę czynnikową instrumentu, oceniliśmy dodatkową próbkę uczestników 169 (średni wiek = kobiety 21.66, SD = 2.69; kobiety 106) do zastosowania CFA. CFA zostało wykonane za pomocą MPlus (Muthén i Muthén, 2011). Do oceny dopasowania modeli zastosowaliśmy standardowe kryteria (Hu i Bentler, 1995, 1999): Znormalizowany średni średni kwadrat reszt (SRMR; wartości poniżej 0.08 wskazują dobre dopasowanie do danych), porównawcze indeksy dopasowania (CFI / TLI; wartości powyżej 0.90 wskazują dobre dopasowanie, wartości powyżej 0.95 doskonałe dopasowanie) i średni kwadrat błąd aproksymacji (RMSEA; „test ścisłego dopasowania”; wartość poniżej 0.08 o wartości istotności poniżej 0.05 wskazuje na akceptowalne dopasowanie). CFA potwierdziło dwuczynnikowe rozwiązanie dla IUES z dobrymi lub doskonałymi parametrami dopasowania: RMSEA był 0.047, CFI był 0.984, TLI był 0.975, a SRMR był 0.031. Χ² test nie był znaczący, χ² = 24.58, p = 0.137 wskazując, że dane nie odbiegały znacząco od modelu teoretycznego (rozwiązanie dwóch czynników, jak pokazano w tabeli 1). Ta próbka została pobrana tylko dla CFA. Dane nie zostały uwzględnione w dalszych analizach.

Analizy statystyczne

Standardowe procedury statystyczne przeprowadzono za pomocą SPSS 21.0 dla Windows (IBM SPSS Statistics, wydany 2012). Obliczono korelacje Pearsona, aby przetestować relacje zerowego rzędu między dwiema zmiennymi. Aby kontrolować dane dla wartości odstających, stworzyliśmy zmienną losową o rozkładzie normalnym o takim samym średnim odchyleniu standardowym, jak w s-IAT (wynik ogólny). Ta zmienna losowa powinna teoretycznie nie być związana ze wszystkimi interesującymi zmiennymi, jeśli na dane nie miały wpływu wartości odstające. Wszystkie korelacje ze zmienną losową były bardzo niskie, rs <0.049, co wskazuje, że nie było istotnie wpływowych wartości odstających w żadnej ze skal w próbce końcowej (N = 1019). Dodatkowo wykresy rozrzutu między zmiennymi były kontrolowane wizualnie. Ponownie nie znaleziono ekstremalnych wartości odstających. Dlatego analizy przeprowadzono ze wszystkimi podmiotami.

Analizę SEM obliczono za pomocą MPlus 6 (Muthén i Muthén, 2011). Brak brakujących danych. Przed testowaniem pełnego modelu pasowania wymiarów ukrytych testowano również przy użyciu CFA w MPlus. Dla obu, SEM i CFA, zastosowano oszacowanie parametru maksymalnej wiarygodności. Do oceny dopasowania modeli zastosowaliśmy standardowe kryteria (Hu i Bentler, 1995, 1999) jak już opisano w sekcji wcześniej. Do zastosowania analizy mediatora wymagane było, zgodnie z Baron i Kenny (1986), że wszystkie zmienne zawarte w mediacji powinny być ze sobą powiązane. Zastosowaliśmy również regresje moderowane do analizy potencjalnych efektów moderatora jako dodatkowych analiz alternatywnej konceptualizacji koncepcji radzenia sobie.

Efekt

Wartości opisowe i korelacje

Średnie wyniki próbek w s-IAT i wszystkich innych zastosowanych skalach można znaleźć w tabeli 2. Średni wynik s-IAT M = 23.79 (SD = 6.69) jest dość porównywalny z wynikiem zgłoszonym przez Pawlikowski i in. (2013) dla próbki pacjentów 1820 w populacji ogólnej (średnia ocena s-IAT wynosiła M = 23.30, SD = 7.25). Dwuwymiarowe korelacje między s-IAT (suma punktów) a wynikami w kwestionariuszach i skalach są podane w tabeli 3.

 

TABELA 2. Zastosowano średnie wyniki skal.

 

TABELA 3. Dwuwymiarowe korelacje między s-IAT (suma punktów) a punktami w podanych kwestionariuszach.

Ukryte wymiary proponowanego modelu w analizie czynnika potwierdzającego

Aby systematycznie testować proponowany model teoretyczny, najpierw przeanalizowaliśmy model czynnikowy, co oznacza, że ​​przetestowano, czy wymiary ukryte są akceptowalnie reprezentowane przez zmienne manifestu. Dlatego CFA przeprowadzono z sześcioma wymiarami ukrytymi (jeden wymiar zależny, trzy wymiary predykcyjne, dwa wymiary mediatora). RMSEA był 0.066 z p <0.001, CFI wyniosło 0.951, TLI wyniosło 0.928, a SRMR 0.041, co wskazuje na dobre dopasowanie modelu.

Pierwsze „objawy GIA” ukrytych wymiarów były dobrze reprezentowane przez wyniki dwóch czynników s-IAT (utrata kontroli / zarządzanie czasem i pragnienie / problemy społeczne) zgodnie z zamierzeniem. Pierwsza zmienna predykcyjna „objawy psychopatologiczne” była istotnie reprezentowana przez dwie podskale BSI (depresja i wrażliwość interpersonalna). Wymiar „aspekty osobowości” był dobrze reprezentowany przez trzy hipotetyczne zmienne manifestujące się (poczucie własnej skuteczności, poczucie własnej wartości i podatność na stres), a ostatni wymiar prognostyczny „poznania społeczne” był dobrze reprezentowany przez dwie podskale skali samotności (emocjonalne samotność i wsparcie społeczne). Wyniki pokazały, że pierwszy hipotetyczny wymiar „radzenia sobie” z mediatorem był dobrze reprezentowany przez trzy podskale COPE (odmowa, nadużywanie substancji i wycofanie się z zachowań), a drugi wymiar mediatora „oczekiwania dotyczące korzystania z Internetu” był dobrze reprezentowany przez dwa czynniki IUES ( pozytywne oczekiwania i oczekiwania związane z unikaniem).

Ogólnie rzecz biorąc, CFA wskazywał, że ukryte wymiary są reprezentowane w akceptowalny sposób przez zmienne manifestu. Tylko w wymiarze radzenia sobie ze skalą nadużywanie substancji ma słabszy ładunek czynników (β = 0.424), ale nadal znaczący (p <0.001), a zatem wystarczające, biorąc pod uwagę, że ogólny model dobrze pasował do danych. Wszystkie ładunki czynnikowe i błędy standardowe przedstawiono w tabeli 4.

 

TABELA 4. Współczynniki ładunków zmiennych oczywistych na wymiary ukryte, testowane z CFA w MPlus.

Model pełnego równania strukturalnego

Zaproponowany model teoretyczny dotyczący wymiaru utajonego z GIA jako zmienną zależną (modelowany przez dwa czynniki s-IAT) dał dobre dopasowanie do danych. RMSEA był 0.066 z p <0.001, CFI wyniosło 0.95, TLI 0.93, a SRMR 0.041. Χ² test był znaczący, χ² = 343.89, p <0.001, co jest normalne przy dużej liczebności próby. Jednak χ² test dla modelu bazowego był również znaczący przy znacznie wyższym χ² wartość, χ² = 5745.35, p <0.001. Podsumowując, dane dobrze pasowały do ​​proponowanego modelu teoretycznego. Ogólnie duży odsetek 63.5% wariancji w GIA został znacząco wyjaśniony przez pełny SEM (R² = 0.635, p <0.001). Model oraz wszystkie skutki bezpośrednie i pośrednie przedstawiono na rysunku 2.

 

RYSUNEK 2. Wyniki modelu równania strukturalnego, w tym obciążenia czynnikowe wymiarów ukrytych, wagi β, p-wartości i reszty. ***p <0.001.

Wszystkie trzy bezpośrednie efekty predyktorów na GIA nie były znaczące (ryc 2). Zauważmy jednak, że bezpośredni wpływ ukrytych zmiennych aspektów psychopatologicznych nie osiągnął znaczenia p = 0.059. W tym przypadku należy wziąć pod uwagę, że waga β była ujemna, co wskazuje, że - w przypadku gdyby interpretować nieznacznie znaczący efekt bezpośredni - wyższa depresja i lęk społeczny idą w parze z niższymi objawami GIA, jeśli pośredni wpływ aspektów psychopatologicznych ponad dwie zmienne mediatora (oczekiwania dotyczące radzenia sobie i korzystania z Internetu) są podzielone. Bezpośredni wpływ dwóch zmiennych predykcyjnych ukrytych aspektów psychopatologicznych i osobowości na radzenie sobie zarówno z utajonymi zmiennymi mediatora, jak i oczekiwaniami dotyczącymi korzystania z Internetu był znaczący. Natomiast bezpośrednie skutki ukrytych zmiennych poznawczych społecznych zarówno dla oczekiwań w zakresie radzenia sobie ze stresem, jak i korzystania z Internetu nie były znaczące, co oznacza, że ​​efekty te nie były znaczące, gdy były kontrolowane pod kątem efektów pozostałych dwóch ukrytych wymiarów.

Jednak skutki poznań społecznych dla oczekiwań w zakresie korzystania z Internetu nieznacznie nie osiągnęły znaczenia p = 0.073. Bezpośrednie efekty radzenia sobie z GIA (p <0.001) oraz oczekiwane długości korzystania z Internetu (p <0.001) były istotne przy silnej wielkości efektu.

Pośredni wpływ aspektów psychopatologicznych na radzenie sobie z GIA był znaczący (β = 0.173, SE = 0.059, p = 0.003). Istotny był również pośredni wpływ od aspektów psychopatologicznych na oczekiwania korzystania z Internetu do GIA (β = 0.159, SE = 0.072, p = 0.027). Istotny był również pośredni wpływ aspektów osobowości na radzenie sobie z GIA (β = –0.08, SE = 0.041, p = 0.05), ale rozmiar efektu był bardzo mały. Pośredni wpływ aspektów osobowości na oczekiwania korzystania z Internetu na GIA był znaczący (β = –0.160, SE = 0.061, p = 0.009). Oba pośrednie skutki poznań społecznych nad radzeniem sobie (β = 0.025, SE = 0.030, p = 0.403) i poznanie społeczne nad oczekiwaniami dotyczącymi korzystania z Internetu (β = –0.08, SE = 0.045, p = 0.075) do GIA nie były znaczące. Model ze wszystkimi ładunkami czynników i β-wagi pokazano na rysunku 2. Aspekty psychopatologiczne w wymiarze ukrytym były istotnie skorelowane z aspektami osobowości wymiaru ukrytego (r = -0.844, p <0.001) oraz z utajonym wymiarem poznania społecznego (r = –0.783, p <0.001). Skorelowano również dwa ukryte wymiary, aspekty osobowości i poznanie społeczne (r = 0.707, p < 0.001).

Dodatkowe analizy

Opisany model był jednym z argumentów teoretycznych, a zatem tym, który testowaliśmy najpierw. Jednak później przetestowaliśmy kilka dodatkowych modeli lub części modelu osobno, aby lepiej zrozumieć mechanizmy leżące u podstaw GIA. Pierwszą kwestią, którą zajęliśmy się, był wpływ psychopatologii na GIA, ponieważ uznaliśmy za interesujące, że bezpośredni efekt, choć nie znaczący, był ujemny w SEM (patrz rysunek 2), choć na poziomie dwuwymiarowym korelacje były dodatnie. Prosty model z aspektami psychopatologicznymi (reprezentowany przez depresję BIS i lęk społeczny BSI) jako predyktor i GIA (reprezentowany przez dwa czynniki s-IAT) jako zmienną zależną miał dobre dopasowanie modelu (wszystkie wskaźniki dopasowania są lepsze niż dopuszczalne), a efekt było pozytywne (β = 0.451, p <0.001). Obliczyliśmy również model bez dwóch mediatorów, co oznacza, że ​​aspekty psychopatologiczne, aspekty osobowości i aspekty społeczne służyły jako bezpośrednie predyktory, a GIA była zmienną zależną (wszystkie zmienne na poziomie latentnym z tymi samymi zmiennymi używanymi w całym SEM, patrz Rysunek 2). Model bez mediatorów miał również dobre wskaźniki dopasowania (z jednym wyjątkiem: RMSEA był z 0.089 trochę wysokim), a bezpośredni wpływ na GIA (dwa czynniki s-IAT) to: wpływ aspektów psychopatologicznych na GIA β = 0.167, p = 0.122; wpływ aspektów osobowości na GIA β = –0.223, p = 0.017; i wpływ aspektów społecznych na GIA β = –0.124, p = 0.081. Należy zauważyć, że wpływ aspektów psychopatologicznych na GIA jest nadal pozytywny w tym modelu (ale nie jest znaczący), gdy efekt jest kontrolowany pod kątem efektów osobowości i aspektów społecznych. Podsumowując, wyniki ogólnego SEM przemawiają za pełną mediacją wpływu aspektów psychopatologicznych na GIA dwóch mediatorów (radzenie sobie i oczekiwania), co dodatkowo podkreślają dwie dodatkowe analizy pokazujące, że pozytywny wpływ na poziom dwuwymiarowy a w modelu prostym zmniejsza się przez włączenie dalszych zmiennych jako predyktorów.

Mamy teoretycznie koncepcję radzenia sobie jako mediatora (Brand i wsp., 2014). Można jednak argumentować, że radzenie sobie nie pośredniczy w skutkach aspektów psychopatologicznych, ale działa jako moderator. Aby upewnić się, że konceptualizacja radzenia sobie jako mediator zamiast moderatora jest właściwa, dodatkowo obliczyliśmy niektóre analizy moderatora za pomocą moderowanych analiz regresji. Kiedy, na przykład, stosując aspekty psychopatologiczne jako predyktor, radzenie sobie jako moderator i s-IAT (wynik sumaryczny) jako zmienną zależną, zarówno aspekty psychopatologiczne (β = 0.267), jak i radzenie sobie (β = 0.262) wyjaśniają wariancję w s-IAT znacząco (oba p <0.001), ale ich interakcja nie dodaje istotnie wyjaśnienia wariancji (zmiany w R² = 0.003, p = 0.067, β = -0.059), a przyrost efektu moderatora jest prawie zerowy (0.3%).

Za potencjalne zmienne uznaliśmy także wiek i płeć, które mogą mieć wpływ na strukturę modelu. Aby to przetestować, najpierw obliczyliśmy dwuwymiarowe korelacje między wiekiem a wszystkimi innymi zmiennymi, co skutkowało bardzo niskimi korelacjami. Była tylko jedna korelacja r = 0.21 (oczekiwania dotyczące wieku i unikania), który nadal jest niewielki (Cohen, 1988), a wszystkie inne korelacje miały wpływ między r = 0.016 i r = 0.18 z większością r <0.15 i r <0.10. Korelacja między wiekiem a s-IAT była również bardzo niska z r = –0.14 (choć znaczący w p <0.01, co jest wyraźne w tak dużej próbce). Podsumowując, wymogi dotyczące włączenia wieku do modelu mediacji nie zostały spełnione (Baron i Kenny, 1986) i postanowiliśmy nie uwzględniać wieku w dodatkowym modelu. Jeśli chodzi o płeć, porównaliśmy średnie wyniki grup ze wszystkich stosowanych skal i znaleźliśmy tylko jedną znaczącą różnicę w grupie (lęk społeczny BSI, kobiety miały wyższe wyniki z niskim efektem d = 0.28, wszystkie inne efekty były niższe niż 0.28, efekt dla wyniku s-IAT był d = 0.19). Niemniej jednak sprawdziliśmy, czy struktura modelu jest różna dla kobiet i mężczyzn, stosując analizę średniej struktury w analizie SEM. Oznacza to, że przetestowaliśmy SEM (patrz rysunek 2) jest równy dla uczestników płci męskiej i żeńskiej. H0 tego testu to: model teoretyczny = model dla grupy „mężczyźni” = model dla grupy „kobiety”. Wskaźniki dopasowania były akceptowalne, wskazując, że struktura relacji nie była znacząco różna dla mężczyzn i kobiet. RMSEA był 0.074 z p <0.001, CFI wyniosło 0.93, TLI 0.91, a SRMR 0.054. Χ² test był znaczący, χ² = 534.43, p <0.001, co jest normalne przy dużej liczebności próby. Jednak χ² test dla modelu bazowego był również znaczący przy znacznie wyższym χ² wartość, χ² = 5833.68, p <0.001. Wkład do χ² testowanego modelu przez mężczyzn i kobiety były porównywalne (χ² wkład kobiet = 279.88, χ² wkład mężczyzn = 254.55). Chociaż ogólna struktura modelu nie różni się znacząco dla mężczyzn i kobiet, zbadaliśmy prostą ścieżkę i znaleźliśmy trzy różnice. Droga od aspektów osobowości do radzenia sobie była istotna u mężczyzn (β = –0.437, p = 0.002), ale nie u kobiet (β = –0.254, p = 0.161), a wpływ aspektów osobowości na oczekiwania był znaczny u mężczyzn (β = -0.401, p = 0.001), ale nie u kobiet (β = –0.185, p = 0.181). Ponadto wpływ aspektów psychopatologicznych na oczekiwania był znaczny u kobiet (β = 0.281, p = 0.05), ale nie u mężczyzn (β = 0.082, p = 0.599). Wszystkie inne efekty i reprezentacja ukrytych wymiarów nie różniły się między mężczyznami i kobietami, a także nie różniły się od ogólnego modelu przedstawionego na rysunku 2. Podsumowując, cały testowany model jest ważny dla mężczyzn i kobiet, chociaż negatywny wpływ aspektów osobowości na radzenie sobie i oczekiwania jest bardziej obecny u mężczyzn niż u kobiet, a wpływ aspektów psychopatologicznych na oczekiwania występuje u kobiet, ale nie u mężczyzn .

Dyskusja

Wprowadziliśmy nowy model teoretyczny dotyczący rozwoju i utrzymania uzależniającego korzystania z Internetu (Brand i wsp., 2014), który opiera się na głównych argumentach Davis (2001) który jako pierwszy zasugerował rozróżnienie między powszechnym nadużywaniem Internetu (GIA) a konkretnym uzależnieniem od niektórych aplikacji internetowych (SIA). W bieżącym badaniu przetłumaczyliśmy model teoretyczny GIA na zoperacjonalizowany model na poziomie ukrytym i przetestowaliśmy statystycznie SEM za pomocą ankiety online na populacji internetowej respondentów 1019. Odkryliśmy ogólne dobre dopasowanie modelu z danymi i hipotezą SEM, która reprezentuje główne aspekty modelu teoretycznego i wyjaśnia 63.5% zmienności objawów GIA mierzonej przez s-IAT (Pawlikowski i in., 2013).

Model ten jest pierwszym, który łączy elementy związane z IA, takie jak depresja, lęk społeczny, niska samoocena, niska samoocena i większa podatność na stres. Opiera się na nacisku na poznania związane z rozwojem IA i ogólnie na uzależniające zachowanie (Lewis i O'Neill, 2000; Dunne i in., 2013; Newton i in., 2014) model bada, czy dwie zmienne mediatora (style radzenia sobie i oczekiwania dotyczące korzystania z Internetu) wpływają na bezpośredni wpływ zmiennych predykcyjnych (psychopatologia, osobowość i poznanie społeczne) na rozwój GIA. Wyniki pokazują, że zarówno style radzenia sobie, jak i oczekiwania dotyczące korzystania z Internetu odgrywają znaczącą rolę.

Wszystkie zmienne (predyktory i mediatory) zawarte w modelu były istotnie skorelowane z wynikiem s-IAT na poziomie dwuwymiarowym. Jest to zasadniczo zgodne z wcześniejszymi badaniami dotyczącymi relacji dwuwymiarowych między objawami IA a aspektami osobowości, objawami psychopatologicznymi i innymi zmiennymi osobowymi, jak wspomniano we wstępie. Jednak w analizie SEM wszystkie bezpośrednie efekty trzech głównych predyktorów (w wymiarze latentnym) nie były już istotne, gdy uwzględniono hipotetyczne mediatory w modelu. Oznacza to, że aspekty psychopatologiczne (depresja, lęk społeczny), aspekty osobowości (poczucie własnej wartości, poczucie własnej skuteczności i podatność na stres), a także poznania społeczne (samotność emocjonalna, postrzegane wsparcie społeczne) nie wpływają bezpośrednio na objawy GIA, ale w ich wpływie pośredniczy dysfunkcjonalny styl radzenia sobie lub oczekiwania związane z korzystaniem z Internetu, lub oba. Jednak aspekty psychopatologiczne i aspekty osobowości znacznie przewidują zarówno dysfunkcyjny styl radzenia sobie, jak i oczekiwania dotyczące korzystania z Internetu. Poznania społeczne nie są jednak istotnie związane z radzeniem sobie z oczekiwaniami i oczekiwaniami, gdy ich wpływ względny jest kontrolowany pod kątem efektów psychopatologicznych i osobowościowych (ale należy zauważyć, że trzy predykcyjne wymiary ukryte były istotnie skorelowane i że wpływ poznania społecznego na korzystanie z Internetu oczekiwania nieco nie osiągnęły znaczenia). Bezpośrednie skutki zarówno stylu radzenia sobie, jak i oczekiwań na objawy GIA były znaczące. Podsumowując, obecne badanie, chociaż z populacją niekliniczną, nie tylko potwierdza wcześniejsze ustalenia dotyczące znaczenia stylu radzenia sobie i radzenia sobie ze stresującymi wydarzeniami życiowymi (Kardefelt-Winther, 2014; Tang i in., 2014; Tonioni i in., 2014) jak również oczekiwania dotyczące korzystania z Internetu (Turel i Serenko, 2012; Xu i in., 2012; Lee i wsp., 2014) dla rozwoju lub utrzymania objawów GIA, ale wyraźnie podkreśla rolę radzenia sobie i oczekiwania jako mediatorów w procesie leżącym u podstaw GIA.

Model został przetestowany z dużą populacją online. Model musi zostać przetestowany przy użyciu jasno określonych próbek klinicznych, takich jak osoby poszukujące leczenia. Znaczenie modelu byłoby bardziej rzetelne w populacji klinicznej, aby uzyskać bardziej dokładne implikacje kliniczne. Chociaż 11.3% badanych zgłosiło problematyczne korzystanie z Internetu, a 3.7% określił siebie jako uzależniające korzystanie z Internetu, to badanie to jest jedynie wstępnym spojrzeniem na to, czy model działa i wyciąga wnioski statystyczne, które potencjalnie mogłyby mieć znaczenie kliniczne. Jednak jako nowy model o istotności statystycznej wykorzystujący różnorodne testy psychologiczne i osobowościowe na użytkownikach online, kilka implikacji klinicznych, które mogą inspirować przyszłe badania, można wykonać ostrożnie.

Po pierwsze, osoby z dysfunkcjonalnym radzeniem sobie z problemami w życiu i mające oczekiwania, że ​​Internet może być wykorzystany do zwiększenia pozytywnego lub zmniejszenia negatywnego nastroju, mogą być bardziej narażone na rozwój GIA. Co więcej, wpływ aspektów psychopatologicznych zarówno na oczekiwania w zakresie radzenia sobie z dysfunkcją, jak i oczekiwania dotyczące korzystania z Internetu były pozytywne, wskazując, że wyższe objawy depresji i lęku społecznego mogą zwiększać ryzyko dysfunkcyjnych strategii radzenia sobie, a także oczekiwań, że Internet zapewnia pomoc w radzeniu sobie ze stresem lub negatywnymi nastrój. Tylko wtedy, gdy te procesy działają wspólnie, co oznacza kombinację objawów psychopatologicznych i radzenia sobie / oczekiwań, prawdopodobieństwo uzależniającego korzystania z Internetu wydaje się wzrastać.

Po drugie, chociaż liczba badań dotyczących leczenia GIA jest ograniczona, metaanaliza opublikowana przez Winkler i in. (2013) twierdzi, że terapia poznawczo-behawioralna jest metodą z wyboru. Opiera się to w szczególności na analizie efektów leczenia na czas spędzony online, depresję i objawy lękowe. W rzeczywistości terapia poznawczo-behawioralna dla IA (CBT-IA; Young, 2011a) został uznany za najbardziej rozpowszechnioną formę leczenia IA (Cash i in., 2012). W ramach poznawczo-behawioralnego leczenia GIA zaproponowanego przez Young (2011a), indywidualne cechy, jak również oczekiwania dotyczące radzenia sobie z Internetem i korzystania z Internetu zostały już hipotetycznie uznane za istotne w leczeniu GIA, ale dowody empiryczne były bardzo rzadkie (np. Young, 2013).

Odkrycia przedstawione w tym badaniu stanowią kolejne źródło dowodów na to, że terapia poznawczo-behawioralna i CBT-IA mogą działać w leczeniu IA. Specyficzne poznania danej osoby (styl radzenia sobie i oczekiwania dotyczące korzystania z Internetu) pośredniczą w oddziaływaniu objawów psychopatologicznych (depresja, lęk społeczny), cech osobowości i poznania społecznego (samotność, wsparcie społeczne) na objawy GIA. Wykorzystując terapię poznawczą, nacisk w ocenie powinien obejmować identyfikację zaburzeń poznawczych, którymi należy się zająć. Oznacza to, że po zbadaniu klinicyści powinni zbadać oczekiwania dotyczące korzystania z Internetu, aby zrozumieć potrzeby klienta i sposoby, które klient uważa, że ​​Internet może pomóc zaspokoić.

Alternatywnie, odkrycia sugerują również, że terapia powinna uwzględniać nieprzystosowane poznania związane z dysfunkcyjnym korzystaniem z Internetu. Odkrycia te potwierdzają wcześniejsze badania, które wykazały nieprzystosowalne poznania, takie jak nadmierna generalizacja, unikanie, tłumienie, powiększanie, nieprzystosowanie do rozwiązywania problemów lub negatywne koncepcje siebie związane z uzależniającym korzystaniem z Internetu (Young, 2007). Kliniczna implikacja tych odkryć polega na tym, że terapia powinna stosować kognitywną restrukturyzację i przeformułowanie w celu zwalczania myśli, które prowadzą do uzależniającego korzystania z Internetu. Na przykład pacjent cierpiący na GIA może mieć oznaki lęku społecznego i nieśmiałości, a zatem kilku przyjaciół, a także kłopoty z innymi w szkole. Może wtedy myśleć, że komunikowanie się z innymi ludźmi za pośrednictwem portali społecznościowych zaspokaja jej potrzeby społeczne bez groźnych sytuacyjnych aspektów „prawdziwej” interakcji społecznej. Ponadto może mieć nadzieję, że również gra online może odwrócić jej uwagę od problemów w szkole i że kupowanie online lub wyszukiwanie informacji w Internecie może zmniejszyć poczucie osamotnienia. Terapia koncentrowałaby się na widzeniu alternatywnych miejsc w szkole lub w życiu prywatnym, w których mogłaby budować szacunek i zaspokajać potrzeby społeczne. Jeśli przestanie uzasadniać, że portale społecznościowe, gry i witryny handlowe są jedynymi miejscami, w których czuje się dobrze ze swoim życiem, a znajdzie inne zdrowsze sklepy, tym mniej będzie zależna od różnych aplikacji internetowych. Znając rolę, jaką odgrywają poznania w rozwoju GIA, terapia poznawcza może pomóc klientom w restrukturyzacji założeń i interpretacji, które utrzymują je w Internecie. Ponownie, te potencjalne implikacje kliniczne wyników badania muszą być traktowane z ostrożnością, ponieważ muszą być replikowane w próbie klinicznej poszukującej leczenia.

Jednak z szerszej perspektywy odkrycia te pozwalają zrozumieć, w jaki sposób terapeuci mogą konkretnie zastosować CBT-IA u pacjentów uzależnionych od Internetu. Modyfikacja zachowań może pomóc klientom w opracowaniu i adaptacji nowych, bardziej funkcjonalnych strategii radzenia sobie z problemami w celu radzenia sobie z codziennymi problemami. Terapia musi skupiać się na pomaganiu klientom w znalezieniu zdrowszych sposobów radzenia sobie z problemem niż na korzystaniu z Internetu. Głównym elementem CBT-IA jest terapia behawioralna, aby pomóc klientom radzić sobie z podstawowymi kwestiami przyczyniającymi się do OW, specyficznych lub ogólnych (Young, 2011a, 2013). Wyniki sugerują, że poprawa umiejętności radzenia sobie ze stresem zmniejszyłaby potrzebę korzystania z Internetu przez klientów. Chociaż przebadano ją w próbie ogólnej populacji, uważamy, że odkrycie, że radzenie sobie i oczekiwania są mediatorami w rozwoju i utrzymaniu GIA przyczynia się do lepszego zrozumienia mechanizmów GIA i że prawdopodobnie mają pewne implikacje terapeutyczne, jak wspomniano powyżej . Innym aspektem, który nie był skupiony na obecnym badaniu, jest rola integralności kory przedczołowej. Skuteczność CBT-IA może również zależeć od funkcjonowania przedczołowego pacjenta, ponieważ wzmocnienie kontroli poznawczej korzystania z Internetu w trakcie terapii jest najprawdopodobniej związane z funkcjami wykonawczymi i innymi procesami poznawczymi wyższego rzędu. Jest to ważne w przyszłych badaniach, ponieważ ostatnio opublikowano kilka artykułów pokazujących, że funkcje kory przedczołowej są prawdopodobnie zmniejszone u pacjentów z IA (patrz przegląd w Brand i wsp., 2014).

W naszej próbie wiek był odwrotnie skorelowany z objawami GIA, ale z bardzo małym rozmiarem efektu (wyjaśniając jedynie 1.96% wariancji). Rozważenie ostatnich artykułów na temat korzystania z Internetu przez osoby starsze (np. Eastman i Iyer, 2004; Vuori i Holmlund-Rytkönen, 2005; Campbell, 2008; Nimrod, 2011), z pewnością można pominąć wpływ wieku na kilka aspektów korzystania z Internetu, takich jak używanie motywów i sposób, w jaki osoby starsze doświadczają zabawy i satysfakcji w Internecie. Biorąc pod uwagę, że osoby starsze mają również większe szanse na rozwój dysfunkcji wykonawczych z powodu zmian w korze przedczołowej z wiekiem (Alvarez i Emory, 2006), które są również powiązane z redukcjami w podejmowaniu decyzji (Marka i Markowitsch, 2010), można spekulować, że te starsze osoby z redukcją wykonawczą, które doświadczają dużej przyjemności w Internecie, mogą rozwijać GIA. Nie jest to jednak reprezentowane przez nasze dane, ponieważ nasza próbka nie zawierała starszych przedmiotów. Przyszłe badania mogą zbadać specyficzne czynniki podatności związane z ryzykiem GIA u osób starszych.

Płeć nie wpłynęła na ogólną strukturę modelu. W poprzednich artykułach stwierdzono wpływ płci na określone typy IA, takie jak gry online (np. Ko et al., 2005) a zwłaszcza cyberseks (Meerkerk i in., 2006; Griffiths, 2012; Laier i wsp., 2013, 2014), ale argumentowano również, że obojgu płciom grozi generalnie uzależniające korzystanie z Internetu (Young i wsp., 1999, 2011). W naszym badaniu wpływ płci na GIA, mierzony za pomocą s-IAT, był bardzo niski (d = 0.19, patrz wyniki), wskazując, że przynajmniej w populacji ogólnej obie płcie są w równym stopniu zagrożone rozwojem GIA. Chociaż płeć nie wpłynęła na ogólną strukturę danych w SEM, istniały pewne różnice między mężczyznami i kobietami w odniesieniu do trzech bezpośrednich efektów ze zmiennych predykcyjnych na mediatorów. Jak podsumowano w części wyników, aspekty psychopatologiczne miały wpływ na oczekiwania u kobiet, a nie u mężczyzn, przy negatywnym wpływie aspektów osobowości na radzenie sobie i oczekiwania są bardziej obecne u mężczyzn niż u kobiet. Efekty te pasują do literatury dotyczącej różnic płci w odniesieniu do depresji i lęku społecznego (Sprock i Yoder, 1997; Moscovitch i in., 2005), a także poczucie własnej wartości i poczucie własnej skuteczności (Huang, 2012). Jednak aspekty, na których koncentrują się badania, a mianowicie efekty mediacji radzenia sobie i oczekiwania oraz ich znaczenie dla GIA, nie były zależne od płci (patrz wyniki analizy średniej struktury). Niezależnie więc od tego, w jaki sposób płeć może wpływać na lęk społeczny, depresję lub niektóre aspekty osobowości, radzenie sobie i oczekiwania należy uwzględnić w CBT-IA u obu płci.

Wreszcie, istnieje kilka ograniczeń tego badania. Jest to nowo opracowany model, który wymaga dalszych badań na populacji klinicznej, aby w pełni zobaczyć jego skuteczność kliniczną w leczeniu. Powinien być również testowany przy użyciu dłuższej wersji IAT (Young, 1998; Widyanto i McMurran, 2004) jako bardziej sprawdzony środek w literaturze. Użyliśmy krótszej wersji, biorąc pod uwagę długość narzędzia oceny, które wykorzystaliśmy dla całego modelu, ale jeśli powielając tę ​​pracę z próbką kliniczną, sugerowano by użycie IAT wraz z dodatkowymi środkami oceny ryzyka, takimi jak ocena Internetu i Uzależnienie od gier komputerowych jako skali (AICA-S) lub wywiadu klinicznego (AICA-C) opracowanego i zatwierdzonego z grupami klinicznymi przez (Wölfling i in., 2010, 2012). Ponadto opracowaliśmy i przetestowaliśmy kwestionariusz oczekiwań dotyczących korzystania z Internetu na potrzeby tego badania. Podczas gdy byliśmy metodologicznie konserwatywni i ostrożni w opracowywaniu skali, miara ta powinna być oceniana na dodatkowych populacjach dla ważności, a kwestionariusz wymaga dalszych badań empirycznych w przyszłych badaniach. Dodatkowe i bardziej szczegółowe skale i wywiady powinny być również stosowane do próbek klinicznych, ponieważ większość aspektów ocenianych w naszym badaniu była mierzona za pomocą krótkich kwestionariuszy z ograniczoną liczbą przedmiotów ze względów praktycznych (ograniczenie czasowe w kontekście ankiet online) . Kolejnym potencjalnym problemem jest wariancja wspólnej metody (Podsakoff i in., 2003). Niestety, żadna wyraźna zmienna markerowa, która teoretycznie nie powinna być związana ze wszystkimi innymi zmiennymi, została uwzględniona w badaniu ze względów praktycznych (ankieta zajęła prawie 25 min, co stanowi krytyczny próg dla ankiet online). Chociaż nie możemy wykluczyć wpływu powszechnej wariancji metody na wyniki, twierdzimy, że ten efekt jest mało prawdopodobny dla całej zgłoszonej struktury danych. Podczas sprawdzania dwuwymiarowych korelacji (tabela 3) widać, że niektóre z nich są bardzo niskie (np. r = –0.08, r = –0.09, r = 0.12 itp.). Uważamy, że te niskie korelacje dają pewne wskazówki na temat założenia, że ​​powszechna wariancja metody nie wpływa dramatycznie na główne analizy. Niemniej jednak model powinien zostać przetestowany przy użyciu systematycznego podejścia obejmującego wiele cech i wielu metod (Campbell i Fiske, 1959) w przyszłych badaniach.

Obecne badanie skupia się na GIA, co oznacza, że ​​model na SIA, jak opisano przez Brand i in. (2014), nadal musi być testowany empirycznie. Różne formy SIA (np. Gry, pornografia internetowa lub hazard internetowy) powinny zostać przetestowane, aby sprawdzić, czy umiejętności radzenia sobie z nimi i oczekiwania związane z korzystaniem z Internetu odgrywają podobną rolę w rozwoju problemu. Nadal jest też debata, czy koncepcja GIA jest zasadniczo odpowiednia do pokrycia problematycznych zachowań pacjentów. Znaleźliśmy dowody na związek między zgłaszanymi przez siebie problemami związanymi z niespecyficznym wykorzystaniem kilku różnych aplikacji internetowych a zmiennymi sugerowanymi w modelu. Koncepcja GIA została zoperacjonalizowana przez instrukcję s-IAT i formułowanie przedmiotów, ale także przez fakt, że ponad 97% uczestników zgłaszało regularne korzystanie z trzech lub więcej różnych aplikacji internetowych, takich jak komunikacja, gry, hazard, cybersex, zakupy lub poszukiwanie informacji. Z perspektywy klinicznej jest jednak tematem debaty, czy GIA może być powodem ubiegania się o leczenie lub czy pacjenci poszukujący leczenia zasadniczo cierpią z powodu utraty kontroli nad wykorzystaniem tylko jednego określonego zastosowania. Sugerujemy rozważenie tego punktu w badaniach klinicznych poprzez systematyczne badanie krytycznego zachowania w kontekście korzystania z Internetu i przeanalizowanie, jak często niekontrolowane i uzależniające użycie więcej niż jednej aplikacji internetowej znajduje się w próbkach klinicznych. Ponadto nie wszystkie składniki zaproponowane w modelu teoretycznym dotyczącym GIA mogą zostać włączone do tego badania. Na przykład w przyszłych badaniach mogą zostać uwzględnione dodatkowe cechy osobowości lub inne zaburzenia psychopatologiczne.

Wnioski

Główne hipotezy modelu GIA są poparte danymi empirycznymi. Podstawowe cechy osoby są związane z objawami GIA, ale efekty te zależą od specyficznego poznania osoby, w szczególności stylu radzenia sobie i oczekiwań związanych z korzystaniem z Internetu. Te poznania powinny zostać uwzględnione w leczeniu uzależniającego korzystania z Internetu.

Autorskie Wkłady

Matthias Brand napisał pierwszy szkic artykułu, nadzorował gromadzenie danych oraz analizował i interpretował dane. Christian Laier przyczynił się w szczególności do konceptualizacji badań empirycznych i zbierania danych oraz poprawił rękopis. Kimberly S. Young zredagowała projekt, poddała go krytycznej rewizji i wniosła intelektualnie i praktycznie do manuskryptu. Wszyscy autorzy ostatecznie zatwierdzili rękopis. Wszyscy autorzy są odpowiedzialni za wszystkie aspekty pracy.

Oświadczenie o konflikcie interesów

Autorzy oświadczają, że badanie zostało przeprowadzone przy braku jakichkolwiek powiązań handlowych lub finansowych, które mogłyby być interpretowane jako potencjalny konflikt interesów.

Podziękowanie

Dziękujemy Elisie Wegmann i Janowi Snagowskiemu za ich cenny wkład w opracowanie i rękopis. Pomogli nam znacznie w programowaniu ankiety online i sprawdzaniu danych.

Referencje

Edytowany przez:

Ofir Turel, California State University, Fullerton i University of Southern California, USA

Zrecenzowany przez:

Aviv M. Weinstein, Hadassah Medical Organization, Izrael
Daria Joanna Kuss, Nottingham Trent University, Wielka Brytania